Escolar Documentos
Profissional Documentos
Cultura Documentos
ElementosdeProbabilidade PDF
ElementosdeProbabilidade PDF
1.1 INTRODUÇÃO
EXEMPLOS
( 1 ) Jogue um dado comum e observe o número mostrado na face voltada para cima.
2 ESTATÍSTICA
Notas de Aula
_____________________________________________________________________________________
EXEMPLOS
Considere os experimentos aleatórios descritos no item 1.2.1. Definiremos os
espaços amostrais para cada exemplo dado.
( 1 ) S1 = { 1, 2, 3, 4, 5, 6 }
( 2 ) S2 = {0, 1, 2, 3, 4 }
( 3 ) S3 = { t ∈ R / t ≥ 0 }
( 4 ) S4 = { t ∈ R / t ≥ 0 }
( 5 ) S5 = { 10, 11, 12, ... }
OBSERVAÇÃO :
Um espaço amostral pode ser :
Finito:
Se tem um número finito de elementos. Exemplos (1) e (2) acima.
Infinito Enumerável:
Se tem tantos elementos quanto o conjunto dos números Naturais.
Exemplo (5) acima.
Infinito Não-enumerável:
Se tem tantos elementos quanto um determinado segmento do eixo Ox, tal
como 0 ≤ x ≤ 1. Exemplos (3) e (4) acima.
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
ESTATÍSTICA 3
Notas de Aula
______________________________________________________________________________________
1.2.3 EVENTO
EXEMPLO 1:
Considere a jogada de um dado e observe o número da face voltada para cima
. O espaço amostral é :
S = { 1, 2, 3, 4, 5, 6 }
O evento “ número par” é o conjunto :
A = { 2, 4, 6 }
O evento “ número maior que 4 ” é o conjunto :
B = { 5, 6 }
Ainda neste exemplo, se o dado é lançado e ocorre a face número 5, então
podemos dizer que o evento B ocorreu e que o evento A não ocorreu.
EXEMPLO 2
Em uma linha de produção, peças são fabricadas em série e o número de peças
defeituosas produzidas por um período de 24 horas é observado. O espaço amostral é :
S = {0, 1, 2, ... , N } onde N é o número máximo que pode ser produzido em 24 horas.
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
4 ESTATÍSTICA
Notas de Aula
_____________________________________________________________________________________
a) Evento União : A U B
O evento A U B ocorre quando ocorre o evento A ou ocorre o evento B ou
ocorrem ambos os eventos A e B.
S
B
b) Evento Interseção : A ∩ B
O evento A ∩ B ocorre quando ambos os eventos A e B ocorrem.
S
B
c) Evento Complementar : A , A’ ou AC
O evento A’ ocorre quando o evento A não ocorre.
S
A
A'
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
ESTATÍSTICA 5
Notas de Aula
______________________________________________________________________________________
d) Evento Diferença : A - B
O evento A - B ocorre quando ocorre o evento A mas não ocorre o evento B.
OBS.: Note que A - B ≠ B - A.
S
B
EXEMPLO :
Sejam A, B e C eventos quaisquer de S. Usando as operações de união,
interseção e complementar, podemos descrever alguns eventos tais como :
( i ) Ocorrência de A e não ocorrência de B e C :
A ∩ B’ ∩ C’
( ii ) Ocorrência de pelo menos um destes eventos :
AUBUC
( iii ) Ocorrência de exatamente um destes eventos :
( A ∩ B’ ∩ C’ ) U ( A’ ∩ B ∩ C’ ) U ( A’ ∩ B’ ∩ C )
( iv ) Ocorrência de nenhum destes eventos :
A’ ∩ B’ ∩ C’
( v ) Ocorrência de exatamente dois destes eventos :
( A ∩ B ∩ C’ ) U ( A ∩ B’ ∩ C ) U ( A’ ∩ B ∩ C )
• Associativas:
A U (B U C) = (A U B) U C = (A U C) U B = A U B U C
A ∩ (B ∩ C) = (A ∩ B) ∩ C = (A ∩ C) ∩ B = A ∩ B ∩ C
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
6 ESTATÍSTICA
Notas de Aula
_____________________________________________________________________________________
• Distributivas:
A U ( B ∩ C) = (A U B) ∩ (A U C)
A ∩ (B U C) = (A ∩ B) U (A ∩ C)
• Leis de De Morgan
(A U B)’ = A’ ∩ B’
(A ∩ B)’ = A’ U B’
• A U A’= S
A ∩ A’= φ
(A’)’ = A
Se A ⊂ B então A ∩ B = A e A U B = B
S
A B
A∩B=φ
EXEMPLO 1
Uma moeda honesta é lançada e observa-se o resultado que ocorre.
Denotemos por H : cara e T : coroa . O espaço amostral associado a este
experimento é : S = { H, T }.
Considere os eventos: A : “ocorre cara” e B : “ocorre coroa”
Como em cada lançamento só ocorre cara ou só coroa , A ∩ B = φ , e portanto
A e B são eventos mutuamente exclusivos.
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
ESTATÍSTICA 7
Notas de Aula
______________________________________________________________________________________
EXEMPLO 2
Uma urna contém 4 bolas brancas, 6 bolas pretas e 5 bolas azuis. O
experimento consiste em retirar duas bolas com reposição da primeira e observar a
cor delas. Considere os seguintes eventos :
A : “ a primeira bola retirada é branca ”
B : “ a segunda bola retirada é preta ”.
Como A e B são dois eventos que podem ocorrer juntos ( é possível a primeira
bola ser branca e a segunda preta ), isto é, A ∩ B ≠ φ, então A e B não são eventos
mutuamente exclusivos.
EXEMPLO 3
No circuito abaixo pode ou não passar corrente de L para R, dependendo do
fechamento dos relês 1, 2, 3 e 4. Supondo que estes relês fechem aleatoriamente,
considere os seguintes eventos :
A : “ fecham os relés 1 e 2 ”
B : “ fecham os relés 3 e 4 ”.
Como os relés podem fechar juntos, A ∩ B ≠ φ. Portanto, A e B não são
eventos mutuamente exclusivos.
1 2
L R
3 4
EXEMPLO 4:
Uma lâmpada é fabricada e sua duração de vida é observada. Considere os eventos:
A: a lâmpada dura mais do que 300 horas
B: a lâmpada dura no máximo 200 horas
C: a lâmpada dura pelo menos 100 horas
Os eventos A e B são mutuamente exclusivos ; os eventos A e C não são
mutuamente exclusivos e os eventos B e C também não são mutuamente exclusivos.
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
8 ESTATÍSTICA
Notas de Aula
_____________________________________________________________________________________
1.3 PROBABILIDADE
m
P (E) = lim
n→∞ n
EXEMPLO
Considere o experimento aleatório de jogar uma moeda honesta e observar o
resultado que ocorre. O espaço amostral é : S = { H, T }.
Seja o evento E = { H }.
À medida que forem realizados os lançamentos da moeda, notamos que a
proporção (freqüência relativa) de caras se aproxima de 1/2. O gráfico abaixo ilustra
esta situação apresentando a tendência da freqüência relativa em se aproximar do
valor 1/2, à medida em que o número de lançamentos cresce.
proporção
de
caras
número de lançamentos
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
ESTATÍSTICA 9
Notas de Aula
______________________________________________________________________________________
nA
P(A) =
nS
OBS.:
1) Dizemos que o espaço amostral S = {s1, s2, ..., sk} é equiprovável quando
qualquer elemento si de S tem a mesma chance de ocorrência quando o experimento
é realizado.
2) Note que pela definição clássica a probabilidade de ocorrência de um evento A é
um número entre 0 e 1, inclusive. A razão nA/ns deve ser menor ou igual a 1 uma
vez que o número total de resultados possíveis não pode ser menor do que o número
de resultados de um evento. Se um evento ocorre com certeza (S) então sua
probabilidade é 1; se é certeza que ele não ocorre (φ) então sua probabilidade é 0.
EXEMPLO 1
Qual a probabilidade de sair “cara” na jogada de uma moeda ?
O espaço amostral é S = { H, T }, nS = 2.
Defina o evento A = { H }, nA = 1.
nA 1
Daí : P(A) = =
nS 2
EXEMPLO 2
Qual a probabilidade de sair soma 5 na jogada de dois dados honestos?
Note que se for considerado o espaço amostral S = {2,3,4,5,6,7,8,9,10,11,12}
para descrever os resultados possíveis em termos de soma, teremos um espaço
amostral que não é equiprovável. A soma 2, por exemplo, não tem a mesma chance
de ocorrer do que a soma 7.
O espaço amostral equiprovável a ser considerado é:
S = {(1,1) , (1,2) , ... , (1,6) , (2,1), (2,2), ... , (2,6), ... , (6,1) , (6,2) , ... , (6,6)}
nS = 36.
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
10 ESTATÍSTICA
Notas de Aula
_____________________________________________________________________________________
Teorema 1 : P(φ) = 0
De fato:
Para um evento qualquer A, temos que A = A U φ e A ∩ φ = φ. Pelo axioma A3,
P(A ) = P(A U φ) = P(A) + P(φ). Portanto P(φ) = 0.
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
ESTATÍSTICA 11
Notas de Aula
______________________________________________________________________________________
Teorema 2 : P( A ) = 1 - P(A’)
De fato:
A U A’ = S e A ∩ A’ = φ. Pelo axioma A3: P(S) = P(A U A’) = P(A) + P(A’) = 1.
Portanto P(A) = 1 - P(A’).
S
B
A∩B
B A
De fato:
Podemos decompor B em dois eventos mutuamente exclusivos da seguinte forma:
B = A U ( B ∩ A’). Como A ∩ ( B ∩ A’ ) = φ , A e B ∩ A’ são mutuamente
exclusivos. Pelo axioma A3: P(B) = P [ A U ( B ∩ A’ ) ] = P(A) + P( B ∩ A’ ) ≥
P(A). ( Já que P( B ∩ A’ ) ≥ 0 ).
OBSERVAÇÕES :
1) Note que no teorema 3, se A e B forem mutuamente exclusivos, então :
P( A ∩ B ) = P(φ) = 0 e daí vale P ( A U B ) = P( A ) + P( B ) .
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
12 ESTATÍSTICA
Notas de Aula
_____________________________________________________________________________________
EXEMPLO 1
No lançamento de um dado, qual a probabilidade de aparecer a face 2 ou a face 5?
S = { 1, 2, 3, 4, 5, 6 }
P(1) = P(2) = ... = P(6) = 1/6. Os eventos “face 2” e “face 5” são mutuamente
exclusivos. Portanto pelo axioma A3 :
P( 2 ou 5 ) = P( 2 U 5 ) = P( 2 ) + P( 5 ) = 1/6 + 1/6 = 1/3
EXEMPLO 2
Sejam A e B dois eventos tais que P(A) = 0,4 e P(A U B) = 0,7. Seja P(B) = p.
Para que valor de p, A e B serão mutuamente exclusivos ?
Se A e B forem mutuamente exclusivos, então :
P(A U B) = P(A) + P(B)
0,7 = 0,4 + p .
Daí, p = 0,3.
EXEMPLO 3
Retira-se uma carta de um baralho comum de 52 cartas. Qual a probabilidade
desta carta ser um rei ou uma carta de ouros ?
O espaço amostral S é o conjunto de todas as cartas : nS = 52.
Sejam os eventos: A : “rei”, nA = 4
B : “carta de ouros”, nB = 13
O evento interseção de A com B é A ∩ B : “rei de ouros”, nA∩B = 1.
Daí, pelo teorema 3, P(A U B) = P(A) + P(B) - P(A ∩ B) =
= 4/52 +13/52 -1/52 = 16/52 .
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
ESTATÍSTICA 13
Notas de Aula
______________________________________________________________________________________
EXEMPLO 4
Três cavalos A, B, C estão numa corrida; A é duas vezes mais provável de
ganhar que B e B é duas vezes mais do que C. Supondo que não haja empate, quais
as probabilidades de vitória de cada um, isto é, P(A), P(B) e P(C) ?
Seja P(C) = p. Então P(B) = 2 P(C) = 2p e P(A) = 2 P(B) = 4p.
Como a soma as probabilidades tem que ser igual a 1, temos :
p + 2p + 4p = 1 ou p = 1/7
Daí, P(A) = 4/7 , P(B) = 2/7 e P(C) = 1/7
Ainda neste exemplo, qual seria a probabilidade de B ou C ganhar ?
B ∩ C = φ , então P(B U C) = P(B) + P(C) = 2/7 + 1/7 =3/7
EXEMPLO 5
Suponha-se que há três revistas A, B e C com as seguintes porcentagens de
leitura : A : 9,8 % , B : 22,9 % , C : 12,1 % , A e B :5,1 % , A e C : 3,7 % , B e C :
6,0 % , A, B e C : 2,4 %. A probabilidade de que uma pessoa escolhida ao acaso
seja leitor de pelo menos uma revista é :
P(A U B U C)= P(A)+P(B)+P(C) - P(A∩B) - P(A∩C) - P(B∩C)+P(A∩B∩C)=
= 0,098 + 0,229 + 0,121 - 0,051 - 0,037 - 0,06 + 0,024 = 0,324 ou 32,4 %.
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
14 ESTATÍSTICA
Notas de Aula
_____________________________________________________________________________________
Daí, temos :
P(A ∩ B) P(A ∩ B)
P(B A) = ou P(A B) =
P(A) P(B)
OBSERVAÇÃO :
No caso de n eventos A1 , A2 , ... , An , temos :
P(A1∩A2∩...∩An)=P( A1 ) . P(A2 | A1) . P(A3 | A1∩A2) ... P(An | A1∩A2∩...∩An-1)
OBSERVAÇÕES :
n n
1) Em geral, n eventos A1 , A2 , ... , An são independentes se : P( I A i ) = ∏ P(A i ) .
i=1 i=1
2) P(A / B) + P(A’/ B) = 1.
3) Se A e B são eventos independentes então :
A e B também são independentes e
A’e B também são independentes.
EXEMPLO 1
Lançando-se uma moeda e um dado, qual a probabilidade de sair “cara” na
moeda e “5” no dado ?
Sejam os eventos: H : “cara na moeda” e C : “5 no dado”
H e C são dois eventos independentes.
Então: P(H ∩ C) = P(H) . P(C) = (1/2).(1/6) = 1/12
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
ESTATÍSTICA 15
Notas de Aula
______________________________________________________________________________________
EXEMPLO 2
Lançam-se três moedas honestas. Encontre a probabilidade p de ocorrer cara
em todas elas, se ocorre cara na primeira.
O espaço amostral S (equiprovável) é :
S = { HHH , HHT , HTH , HTT , THH , THT , TTH , TTT }.
Se ocorre cara na primeira, então ocorre algum dos resultados :
HHH , HHT , HTH , HTT .
Como ocorrem 3 caras em apenas um dos resultados, p = 1/4.
EXEMPLO 3
Extraem-se aleatoriamente duas cartas de um baralho comum de 52 cartas.
Determine a probabilidade de serem ambas ases, considerando que a primeira carta :
( a ) é recolocada antes da extração da segunda carta
( b ) não é recolocada antes da extração da segunda carta.
EXEMPLO 4
Qual a probabilidade de aparecer 4 ao menos um vez em duas jogadas de um
dado comum ?
Sejam os eventos : A1 : “4 na primeira jogada”
A2 : “4 na segunda jogada”.
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
16 ESTATÍSTICA
Notas de Aula
_____________________________________________________________________________________
EXEMPLO 5
Considere o circuito abaixo onde cada relé fecha independentemente um do
outro com uma probabilidade p > 0.
( a ) Qual a probabilidade de haver corrente de L para R ?
( b ) Se há corrente de L para R, qual a probabilidade de que o relé 1 esteja
fechado?
( c ) Se há corrente de L para R, qual a probabilidade de que ambos os relés 1 e 2
estejam fechados ?
L 1 R
2
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
ESTATÍSTICA 17
Notas de Aula
______________________________________________________________________________________
p
= .
2-p
EXEMPLO 6
Certo artigo, ao sair da linha de produção pode ter no máximo dois defeitos, A
e B. Os defeitos ocorrem independentemente um do outro com probabilidade 1/10,
cada um. Se um artigo é extraído ao acaso da linha de produção, qual a
probabilidade de :
( a ) ser defeituoso
( b ) ter o defeito A, se é defeituoso
( c ) ser perfeito .
EXEMPLO 7
Três componentes C1 , C2 e C3 de um mecanismo são postos em série.
Suponha que esses componentes sejam dispostos em ordem aleatória. Seja R o
evento “C2 está a direita de C1” , e seja S o evento “C3 está à direita de C1”. Os
eventos R e S são independentes ? Por quê ?
O espaço amostral é :
S = { C1C2C3 , C1C3C2 , C2C1C3 , C2C3C1 , C3C1C2 , C3C2C1}
Os eventos R e S são :
R = { C1C2C3 , C3C1C2 , C1C3C2 } C1 C2 C3
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
18 ESTATÍSTICA
Notas de Aula
_____________________________________________________________________________________
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
ESTATÍSTICA 19
Notas de Aula
______________________________________________________________________________________
EXEMPLO 8
Uma montagem eletrônica é formada de dois subsistemas A e B. De
procedimentos de ensaios anteriores, as seguintes probabilidades se admitem
conhecidas :
P( A falhe ) = 0,20
S
P( A e B falhe ) = 0,15 A B
P(A ∩ B) 0,15
( a ) P(A B) = = = 0,50 .
P(B) 0,30
EXEMPLO 9
Uma urna contém 12 bolas brancas, 5 bolas pretas e 3 bolas vermelhas.
( a ) Retiramos 2 bolas com reposição da primeira, qual a probabilidade de que
ambas sejam da mesma cor ?
( b ) Se retirarmos 5 bolas sucessivamente, sem reposição , qual a probabilidade de
que todas sejam brancas ?
Sejam os eventos : Ai : “a i-ésima bola retirada é branca”
Bi : “a i-ésima bola retirada é preta”
Ci : “a i-ésima bola retirada é vermelha”
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
20 ESTATÍSTICA
Notas de Aula
_____________________________________________________________________________________
EXEMPLO 10
Dois jogadores jogam alternadamente uma moeda, ganhando o jogo aquele
que obtiver a primeira cara. Qual a probabilidade de ganho do primeiro a jogar ? E
do segundo ?
EXEMPLO
São dadas três caixas, como segue :
a caixa I contém 10 lâmpadas, das quais 4 são defeituosas ;
a caixa II contém 6 lâmpadas, das quais 1 é defeituosa ;
a caixa III contém 8 lâmpadas, das quais 3 são defeituosas.
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
ESTATÍSTICA 21
Notas de Aula
______________________________________________________________________________________
2/5 D
3/5 N
Caixa I
1/3 D
1/6
1/3 Caixa II
1/3 5/6 N
5/8 N
Observe que para cada ramificação a soma das probabilidades é sempre igual a 1.
A probabilidade de ocorrer um determinado caminho da árvore é, pelo
Teorema do Produto , o produto das probabilidades de cada ramo do caminho. Por
exemplo : a probabilidade de selecionar a caixa 1 e , na seqüência , uma lâmpada
defeituosa é : (1/3) (2/5) = 2/15.
Como há três caminhos mutuamente exclusivos que nos levam a uma lâmpada
defeituosa, a soma das probabilidades destes caminhos nos dá a probabilidade
desejada :
P = (1/3) (2/5) + (1/3) (1/6) + (1/3) (3/8) = 113/360.
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
22 ESTATÍSTICA
Notas de Aula
_____________________________________________________________________________________
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
ESTATÍSTICA 23
Notas de Aula
______________________________________________________________________________________
A3 S
A1 ...
B
A4
A2
An
EXEMPLO
Três máquinas A1 , A2 e A3 , produzem respectivamente 50% , 30% e 20% do
total de peças de uma fábrica. As porcentagens de produção defeituosa destas
máquinas são 3% , 4% e 5%. Se uma peça é selecionada aleatoriamente, qual a
probabilidade dela ser defeituosa?
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
24 ESTATÍSTICA
Notas de Aula
_____________________________________________________________________________________
P(B) = P(A1) P(B | A1) + P(A2) P(B | A2) + P(A3) P(B | A3) =
= (0,5) (0,03) + (0,3) (0,04) + (0,2) (0,05) = 0,037.
(
P Ak B = ) P(A k ). P( B A k )
P( B)
P ( A k ∩ B) P ( A k ). P ( B A k )
P ( A k B) = = k
P ( B)
∑ P(A i ). P( B A i )
i =1
EXEMPLO
No exemplo anterior, se a peça é defeituosa, a probabilidade dela ter sido
fabricada pela máquina A1 é dada por :
OBSERVAÇÃO :
Note que o Teorema de Bayes utiliza essencialmente alguma informação a
respeito do resultado do experimento. No exemplo das máquinas, sabendo-se que a
peça é defeituosa (esta é a informação) a probabilidade dela ser fabricada pela
máquina A1 ficou alterada.
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
ESTATÍSTICA 25
Notas de Aula
______________________________________________________________________________________
EXEMPLO 1
Suponha que temos duas urnas I e II, cada com duas gavetas. A urna I contém
uma moeda de ouro em uma gaveta e uma moeda de prata na outra gaveta. A urna II
contém uma moeda de ouro em cada gaveta. Uma urna é escolhida ao acaso e a
seguir uma de suas gavetas é aberta ao acaso.
( a ) Qual a probabilidade da moeda ser de ouro ?
( b ) Verifica-se que a moeda encontrada é de ouro. Qual a probabilidade de que a
moeda provenha da urna II ?
Sejam os eventos :
A1 : “a urna I é escolhida”
OURO OURO
A2 : “a urna II é escolhida” PRATA OURO
O : “a moeda é de ouro”
1/2 OURO
URNA I
1/2 1/2 PRATA
1/2
URNA II 1 OURO
( a ) P(0) = P(A1) P(0 | A1) + P(A2) P(0 | A2) = (1/2) (1/2) + (1/2) (1) = 3/4 .
EXEMPLO 2
Se a tensão é baixa, a probabilidade de uma máquina produzir peça defeituosa
é 0,6 e se a tensão é boa, a probabilidade é 0,1. Em 20 % da produção a tensão é
baixa. Qual a probabilidade de uma peça perfeita ter sido produzida com baixa
tensão ?
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
26 ESTATÍSTICA
Notas de Aula
_____________________________________________________________________________________
Tensão Boa
0,8 0,9 Perfeita
0,4
Perfeita
EXEMPLO 3
A urna I contém x bolas brancas e y bolas vermelhas. A urna II contém z
bolas brancas e v bolas vermelhas. Uma bola é escolhida ao acaso da urna I e posta
na urna II. A seguir, uma bola é retirada ao acaso da urna II.
( a ) Qual será a probabilidade de que esta bola seja branca ?
( b ) Se a bola retirada da urna II é branca, qual é a probabilidade dela ter vindo da
urna I ?
z+1 Branca
z + v +1
x
v
x+y z+v+1 Vermelha
y z Branca
z + v +1
x+y
y+1 Vermelha
z + v +1
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
ESTATÍSTICA 27
Notas de Aula
______________________________________________________________________________________
⎛ x ⎞ ⎛ z+1 ⎞ ⎛ y ⎞⎛ z ⎞
(a) P( branca) = ⎜ ⎟⎜ ⎟ + ⎜ ⎟⎜ ⎟
⎝ x + y ⎠ ⎝ z + v + 1⎠ ⎝ x + y ⎠ ⎝ z + v + 1⎠
⎛ x ⎞ ⎛ z +1 ⎞
⎜ ⎟⎜ ⎟
⎝ x + y ⎠ ⎝ z + v + 1⎠
(b) P( urna I / branca) =
⎛ x ⎞ ⎛ z +1 ⎞ ⎛ y ⎞⎛ z ⎞
⎜ ⎟⎜ ⎟ + ⎜ ⎟⎜ ⎟
⎝ x + y ⎠ ⎝ z + v + 1⎠ ⎝ x + y ⎠ ⎝ z + v + 1⎠
EXEMPLO 4
Uma cápsula espacial aproxima-se da Terra com dois defeitos: nos seus
circuitos elétricos e no sistema de foguetes propulsores. O comandante considera
que, até o instante do reingresso na atmosfera, existe 20 % de probabilidade de
reparar os circuitos elétricos e 50 % de probabilidade de reparar o sistema de
foguetes. Os reparos se processam independentemente. Por outro lado, os
especialistas em Terra consideram que as probabilidades de êxito no retorno são as
seguintes :
a) 90 %, com os circuitos elétricos e o sistema de foguetes reparados.
b) 80 %, só com o sistema de foguetes reparado.
c) 60 %, só com os circuitos elétricos reparados.
d) 40 %, com os circuitos elétricos e o sistema de foguetes defeituosos.
Com base nas considerações acima, qual é a probabilidade de êxito no
retorno? Se o retorno se processar com êxito, qual é a probabilidade de que tenha se
realizado nas condições mais adversas ( ambos os sistemas não reparados ) ?
Sejam os eventos :
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
28 ESTATÍSTICA
Notas de Aula
_____________________________________________________________________________________
S
0,10 0,40
Circuitos
0,10 Sistema de
Elétricos
Foguetes
0,6 Êxito
Reparo nos
Circ. Elétric.
0,8 Êxito
Reparo no
Sist. de Foguet.
0,1
0,4 0,2 Não Êxito
0,4 Êxito
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
ESTATÍSTICA 29
Notas de Aula
______________________________________________________________________________________
P(A 4 ) P(E A 4 )
P( nenhum reparo | retorno com êxito ) = P( A4 | E ) = =
P(E)
(0,40) (0,40)
= = 0,254 .
0,63
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR